[논문 리뷰] Once Upon a Crime: Towards Crime Prediction from Demographics and Mobile Data

Andrey Bogomolov, Bruno Lepri외 4명|arXiv (Cornell University)|2014. 09. 10.

Human Mobility and Location-Based Analysis참고 문헌 36인용 수 72

한 줄 요약

이 논문은 런던의 범죄 핫스팟을 예측하기 위한 데이터 기반 접근법을 제안한다. 익명화된 집계된 모바일 폰 데이터와 인구 통계 정보를 사용하여 인간의 행동 패턴과 도시 역학을 모델링함으로써, 한 달 전에 고범죄 또는 저범죄 지역을 69.8%의 정확도로 예측한다. 기존의 통계적 방법에 비해 더 적은 수의 더 유동적인 특징을 사용하여 뛰어난 성능을 달성한다.

ABSTRACT

In this paper, we present a novel approach to predict crime in a geographic space from multiple data sources, in particular mobile phone and demographic data. The main contribution of the proposed approach lies in using aggregated and anonymized human behavioral data derived from mobile network activity to tackle the crime prediction problem. While previous research efforts have used either background historical knowledge or offenders' profiling, our findings support the hypothesis that aggregated human behavioral data captured from the mobile network infrastructure, in combination with basic demographic information, can be used to predict crime. In our experimental results with real crime data from London we obtain an accuracy of almost 70% when predicting whether a specific area in the city will be a crime hotspot or not. Moreover, we provide a discussion of the implications of our findings for data-driven crime analysis.

연구 동기 및 목표

• 집계된 이동통신망 활동과 인구 통계 데이터가 도시 지역의 범죄 핫스팟을 예측할 수 있는지 조사하기 위해.
• 과거 범죄 데이터에만 의존하지 않는 데이터 기반 모델을 개발하여 특정 지리적 지역의 범죄 수준을 예측하기 위해.
• 이동통신에서 유도된 특징과 전통적인 사회경제적 통계 자료 간의 예측 성능를 비교하기 위해.
• 정적 인구 통계 지표를 초월하여 범죄 위험과 관련이 있는 도시 지역의 새로운 동적 특징을 식별하기 위해.

제안 방법

• 익명화되고 집계된 모바일 폰 데이터를 사용하여 주거 기반 활동 및 이동 패턴의 엔트로피와 같은 행동 특징을 유도한다.
• 공식 부 Borough 통계에서 얻은 인구 통계 데이터를 모바일에서 유도된 특징과 융합하여 도시 지역의 사회적 공간적 특성을 표현한다.
• 기계 학습 분류기가 향후 한 달 동안 특정 지리적 지역이 고범죄 또는 저범죄 수준을 보일지를 예측하도록 훈련된다.
• 이동 엔트로피와 거주 활동 강도와 같은 가장 예측 가능한 변수를 식별하기 위해 특징 선택을 수행한다.
• 실제 런던의 범죄 데이터를 사용하여 모델을 평가하며, 월간으로 집계된 자료를 사용하고 공식 통계 자료만을 사용하는 기준 모델과 비교한다.
• 범죄 예측을 이진 분류 문제로 간주하여 고범죄 지역 대비 저범죄 지역을 예측한다.

실험 결과

연구 질문

• RQ1 집계된 모바일 폰 데이터가 기존의 인구 통계 및 사회경제적 지표에 비해 범죄 예측 정확도를 향상시킬 수 있는가?
• RQ2 이동통신망 활동에서 유도된 행동 특징 중에서 향후 도시 지역의 범죄 수준을 가장 잘 예측하는 것은 무엇인가?
• RQ3 유동적인 인간의 이동 패턴을 포함함으로써 정적 인구 통계 프로파일에 비해 범죄 핫스팟 탐지 능력이 얼마나 향상되는가?
• RQ4 이력이 낮은 범죄율 지역에서는 모바일 데이터가 얼마나 정확하게 범죄를 예측할 수 있는가?
• RQ5 이동통신망 데이터를 활용한 사전 예방적 범죄 방지의 이론적 및 실용적 함의는 무엇인가?

주요 결과

• 제안된 모델은 런던에서 한 달 전에 고범죄 지역과 저범죄 지역을 구분하는 데 69.8%의 정확도를 달성한다.
• 공식 통계 자료만을 사용하는 기준 모델에 비해 6个百分点 높은 성능을 보였으며, 사용한 특징의 수가 더 적음에도 불구하고 성능이 뛰어나다.
• 주거 기반 활동과 이동 엔트로피가 가장 예측 가능한 특징으로 확인되었으며, 이는 인간의 존재 패턴과 이동 방식이 범죄 위험의 강력한 지표임을 시사한다.
• 결과는 집계된 모바일 데이터가 최근에 범죄가 발생하지 않은 지역에서도 범죄 발생과 관련된 의미 있는 행동 역학을 포착할 수 있음을 지지한다.
• 이 방법은 잠재적 범죄 핫스팟의 조기 탐지가 가능하게 하여 사전 경찰 활동 및 도시 계획에 기여할 수 있다.
• 본 연구는 이동통신망 데이터가 실시간 도시 위험 평가를 위한 저비용이고 확장 가능한 대체 수단이 될 수 있음을 입증한다.